交通管理 に関する最新の記事

人間の行動モデルを通じて交通シミュレーションの精度を高める方法を紹介。

この研究は、車両の挙動モデルにおけるターゲット変数の重要性を強調してるよ。

急激な変化を伴うスカラー保存法則のための有限体積スキームの紹介。

不確かでノイズの多いデータセットから意味のあるパターンを抽出するためのフレームワーク。

この研究は、混乱時の都市交通管理を改善するためにアンチフラジリティを適用してるんだ。

新しい方法は、適応クルーズコントロールを通じて交通安全と効率を向上させる。

R T-LLMは交通予測の精度を上げて、その予測を説明するよ。

新しい手法が自動運転車の動き予測を改善して、安全性と不確実性に重点を置いてるよ。

新しい飛行車両用の到着システムが都市の移動効率と安全性を向上させてるよ。

バスの遅延を減らして乗客の体験を良くするための戦略を調べてる。

ダッシュボードカメラを使って運転手の注意力を監視するコスト効果の高い方法。

CAVはコミュニケーションと協力を通じて交通の流れと安全を改善できるよ。

新しいフレームワークが、マルチエージェントシステムにおける変化する信号の中で模倣学習を強化する。

テンソル時系列データセットのギャップを埋める方法を見ていくよ。NYCのタクシーデータに焦点を当ててる。

ユーザーのプライバシーを守りながら、軌跡データを共有する新しいアプローチ。

新しいモデルは因果分析とデータ適応を通じて交通速度予測を改善する。

この記事では、自動運転車と高乗車数車両のための有料レーンシステムについて話してるよ。

新しいアプローチや技術を使った現代の交通流モデルの見方。

GAIとMoEを組み合わせることで、車両のコミュニケーション、安全性、意思決定が向上するんだ。

LPSimは、高度なGPUテクノロジーを使って、迅速で大規模な交通シミュレーションを提供してるよ。

TG-ODEフレームワークは、不規則なデータを持つ複雑なシステムの分析を改善するよ。

ラウンドアバウトでの交通の流れを良くして燃料消費を減らすための革新的な戦略。

新しいモデルが交通予測を向上させて、よりスマートな都市の移動を実現するよ。

新しいフレームワークが、より良い意思決定のために反事実的説明を通じて交通予測を強化するんだ。

エージェントが最小限の事前知識でミーンフィールドゲームの戦略を学ぶ方法。

新しいアルゴリズムが接続された自動運転車の安全性と効率を向上させる。

この論文では、自動運転車における不必要なドライバーの介入を最小限に抑える方法を探る。

pooledデータを使ってトラフィックパターンを調べて、より良い都市管理を目指す。

この記事では、接続された車両を使った交通管理のための分散型方法について話してるよ。

RoScenesは、路側の認知と交通管理を改善するための重要なデータを提供してるよ。

新しい手法が交通モデルを組み合わせて、より良い交通の洞察を提供する。

この記事では、安全な自動運転車を作る方法について考察してるよ。

車両がどうやってコミュニケーションをとって、安全性や効率を高めるかを学ぼう。

適応性に注目して交通システムを改善する新しいアプローチ。

TimeMixerは、詳細なデータパターンと広範なデータパターンを組み合わせて、より正確な予測を実現するよ。

新しいドライビングワールドモデルが自動運転技術の課題に取り組んでる。

駐車機能が車の駐車をどうモデル化して、パターンを避けるかを見てみよう。

研究によると、自動運転車の安全に影響を与える物体検出システムのバイアスが明らかになった。

サイクロイドが色んな分野でプロセスの同期をモデル化するのにどう役立つかを見てみよう。

GMFGが複雑なシステム内でエージェントの多様な相互作用をどうモデル化するかを探る。